基于注意力网络特征的社区发现算法

现实世界中许多网络都是根据社区结构紧密组织起来的,发现社区对于了解复杂网络的结构及其关系有很大的帮助,文中提出了一种基于注意力网络特征的社区发现(community discovery algorithm based on attention network features,CANF)算法,利用标记节点频率和反示例节...     

长白山区公路边坡人工植草后土壤动物群落特征

对长白山区高速公路边坡的中小型土壤动物进行了调查,探讨了人工植被恢复后公路边坡土壤动物的群落特征.研究区内共捕获中小型土壤动物32类,4 807只.结果表明:不同生境土壤动物群落类群数和个体数量的多样性特征存在差异,阳坡土壤动物的类群数大于阴坡,而个体数量小于阴坡;土壤动物群落个体和类群主要集中分布在0～5 cm土壤层...     

上海市滴水湖浮游动物的群落结构及动态

2006年1月~2009年12月对滴水湖浮游动物中的轮虫、枝角类、桡足类的群落结构,包括种类组成、种群动态、现存量进行了4年的系统调查.至2009年滴水湖浮游动物共有49种,其中轮虫15属38种、枝角类3属3种、桡足类5属8种.浮游动物种类数和多样性逐年增加.浮游动物多样性指数H′和浮游动物种数与盐度显著负相关,与化学需氧量COD显著正相关.4年间滴水湖浮游动物优势种变化较大.根据浮游动物优势种组成特征判断,滴水湖已趋于淡水湖,而且水质状况为中营养水平.     

苏北稻田蝗虫群落结构及其生物量研究

对苏北稻田蝗虫群落结构及其生物量进行了研究。结果表明，在苏北稻田采到4科，7属，9种蝗虫，其中斑腿蝗科5种，斑翅蝗科2种，锥头蝗科和剑角蝗科各1种。苏北稻田蝗虫群落随季节发生变化，其种类丰富度和多样性指数在6－8月最高，短额负蝗和中华稻蝗是早期优势种类，中华稻蝗，小稻蝗，第二代短额负蝗是晚期优势种，它们占整个蝗虫种类数量的62．3％，占总生物量的56．0％。     

长白山5种主要森林群落细根现存生物量研究

通过对长白山5种主要森林群落类型细根现存生物量的研究发现：不同森林群落细根生物量有较大差别．其中,阔叶红松林细根生物量最高,达到5．9677t／hm^2,其次为云冷杉林(4．6305t／hm^2)、岳桦林(4．3724t／hm^2)、白桦林(4．0008t／hm^2)、山杨林(2．8699t／hm^2);不同森林群落死活细根的比率也不同,云冷杉林死细根含量所占比例最高,达40％以上,而其他群落类型相对较低,死细根所占比率都在20％以下;从不同土壤层次中细根所占的比例看,红松阔叶林在0～10cm土壤中细根含量占总根量的60％以下,其他则都在70％以上,其中白桦林最高,达到80％以上。     

基于QoS的社区公共服务网格资源调度

社会资源的分布性、社区服务节点的动态性和社区服务的异构性,使得传统的基于Web的社区服务管理难以实现服务资源的全面共享.针对这些问题提出了基于开放网格服务结构(OGSA)的虚拟社区服务网格体系结构,并给出随机高级Petri网模型,以实现一个基于服务质量(QoS)的社区服务资源调度.     

当代中国社区文化建设的价值、内涵与路径

社会建设走向现代化及其终极的成功,是中国现代化最终成功的标杆。在实现这一历史任务的进程中,社区建设中的文化建设,作用极为特殊。社区文化建设是社区建设的灵魂。社区文化建设的内涵与路径选择应科学构思,可重点围绕＂以人为本、‘记忆社区’、建构文化、重视仪式＂几个方面展开。     

地方高校图书馆参与社区文化建设研究

参与社区文化建设,是地方高校图书馆的基本职能.了解社区与社区文化的基本涵义,采取有效措施,注意解决相关问题,地方高校图书馆就能更好地执行国家有关规定去参与社区文化建设.     

视觉文化学习共同体的学习路径研究

从20世纪90年代以来,伴随信息化的迅速发展,视觉文化研究也经历了探索、发展与冷思考状态.南京师范大学视觉文化学习共同体从视觉文化研究所的成立逐渐走向成熟,也取得了可喜的成绩.为了更好地探求其发展的轨迹,我们分别从视觉文化共同体的实验室、课程、平台三种学习要素与视觉文化共同体的学习愿景、学习主题、学习资源、学习阶梯四种学习措施两个维度深入探讨其学习路径,并在此基础之上构建了“一体两翼三平台四措施”的视觉文化学习共同体学习系统模式图.旨在突出这种学习路径案例为教育技术学专业学习走向科学化与特色化提供参考与借鉴.     

基于拓扑势的局部化重叠社区识别

针对传统社区识别算法中需要根据先验知识设定参数、 社区划分结果具有随机性及复杂度过高的问题, 提出一种基于拓扑势的局部化重叠社区识别算法. 该算法通过引入拓扑势计算节点的影响力, 利用节点间的局部相似性度量指标, 采用标签传播策略进行重叠结构的社区识别. 在真实网络及人工合成网络上与多种经典算法进行对比实验验证了算法的高效性.